搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产 零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）https://zhizao.hangyexinwen.comhttps://zhizao.hangyexinwen.com/posts/14228https://zhizao.hangyexinwen.com/posts/14228Mon, 07 Sep 2026 12:49:03 GMT⁣<br /><b><i><b>📰</b></i> 工具门槛革新与AI工程化落地</b><br /><br />在本次MathWorks中国汽车年会上，博格华纳展示了基于机器学习的电机温度在线估算方法，强调通过深度学习实现转子与定子温度的实时预测，并已完成台架验证，未来将开展整车测试。文章指出，AI在工况预测中的落地还面临如何可信部署到嵌入式平台的挑战，需从模型训练、代码生成、仿真验证到最终部署形成闭环。R2026a版本引入Agentic AI工作流，使工程师可通过自然语言调用MATLAB/Simulink的高级工具箱，生成代码、测试、诊断并修复错误，从而降低专业门槛。工具链分为三层：训练开发、仿真验证与代码生成部署，形成可追溯、可验证的全过程，但硬件约束如推理速度与内存仍需在网络层面权衡。博格华纳强调技术复用与本土化需求，遵循MLE流程以提升可评估性与可追溯性，并通过仿真与AI减少台架测试资源，实现电机与电控并行开发。总体而言，2026年被视为智能体之年，端侧AI正从云端走向物理世界，MathWorks在其中扮演重要角色，推动一次投入多次复用的工程积累，降低开发成本，推动行业应用落地。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23%E5%B5%8C%E5%85%A5%E5%BC%8FAI">#嵌入式AI</a> <a href="/search/%23%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0">#深度学习</a> <a href="/search/%23MATLAB">#MATLAB</a> <a href="/search/%23Simulink">#Simulink</a> <a href="/search/%23MLE">#MLE</a><br /><br /><i><b>🔗</b></i> <a href="https://www.industrysourcing.cn/article/479390" target="_blank">原文链接</a>